Grupy zasobów Performance Max niszczą Twój feed: Analiza audytu za 200 tys. USD

W marcu przeanalizowaliśmy trzy ośmiocyfrowe brandy DTC—meble, odzież sportową, kosmetyki—wszystkie prowadzące hybrydowe kampanie PMax i Standard Shopping. To samo zgłaszali wszyscy trzej szefowie ds. wydajności: budżet przesuwał się do PMax, ROAS wyglądał akceptowalnie, ale marża brutto spadła o 18-22% kwartał do kwartału. Winowajcą nie były licytacje, kreacje ani sygnały odbiorców. To była architektura ich feedu produktowego, a grupy zasobów PMax amplifikowały każdą wadę strukturalną na skalę.

Problem za 200 tys. USD: dlaczego PMax promował nasze najgorsze produkty

Pierwszy brand sprzedawał meble modułowe. Ich kampanie Standard Shopping używały niestandardowych etykiet do oddzielenia głównych SKU (sofy, AOV 800+ USD, marża 42%) od akcesoriów (poduszki dekoracyjne, AOV 35 USD, marża 18%). Performance Max uruchomiono w styczniu z pojedynczą grupą zasobów obejmującą „wszystkie produkty" i feedem bez hierarchicznych wartości product_type. Do połowy marca 67% wydatków PMax poszło na akcesoria poniżej 50 USD. Całkowity przyrostowy przychód wyglądał dobrze—340 tys. USD—ale wkład netto po realizacji i kosztach produktu wyniósł 61 tys. USD. Ten sam budżet w ich wstrzymanych kampaniach Standard Shopping historycznie przynosił 140 tys. USD wkładu.

Sprawdziliśmy feed. Każdy produkt miał product_type ustawiony na nazwę kolekcji Shopify: „Salon", „Sypialnia", „Akcesoria". Brak taksonomii. Brak struktury rodzic-dziecko. Zgodnie z oficjalną dokumentacją grup zasobów Google, PMax używa product_type i google_product_category do zrozumienia relacji produktowych i alokacji budżetu w grupach zasobów. Płaskie kategorie oznaczają, że algorytm traktuje narożnik za 900 USD i poduszkę za 28 USD jako równie wartościowy inwentarz w tej samej grupie. Optymalizuje pod kątem wolumenu konwersji, a nie marży, a poduszki konwertują szybciej przy niższych CPC.

Drugi brand—odzież sportowa—miał odwrotny problem. Segmentowali grupy zasobów według płci (Męskie, Damskie, Unisex), ale ich pole product_type łączyło tkaninę i styl: „Legginsy odprowadzające wilgoć", „Koszulki bawełniane", „Szorty kompresyjne". Brak wspólnych kategorii nadrzędnych. PMax nie mógł pogrupować „Legginsów" pod „Dolami" ani „Koszulek" pod „Górami", więc traktował 140 wariantów produktu jako 140 odrębnych kategorii. Grupy zasobów rozdrabniały wydatki na mikrosegmenty, żaden nie osiągał fazy uczenia. CPA wzrósł o 34% miesiąc do miesiąca, podczas gdy Standard Shopping—używając niestandardowych etykiet takich jak label_0:wysoka-marza—utrzymywał stabilną wydajność.

Oto erozja marży, którą zaobserwowaliśmy we wszystkich trzech brandach w Q1 2026:

Wspólny wątek: feedy zbudowane do przeglądania przez ludzi (kolekcje Shopify, kategorie WooCommerce), ale nie do segmentacji algorytmicznej. Grupy zasobów nie mogą się samoregulować bez rusztowania feedu.

Jak grupy zasobów dziedziczą złą architekturę feedu

Grupy zasobów Performance Max nie są głupie. Wydobywają sygnały z Twojego feedu, kreacji reklamowych, stron docelowych i danych first-party, a następnie dynamicznie alokują budżet. Problem polega na śmieci na wejściu, śmieci na wyjściu. Jeśli pola product_type, custom_label_0-4 i item_group_id Twojego feedu nie kodują marży, prędkości czy priorytetu strategicznego, PMax interpretuje cały inwentarz jako równy i optymalizuje pod kątem drogi najmniejszego oporu—zazwyczaj zakupów impulsowych o niskim AOV.

Widzimy pięć błędów architektury feedu, które sabotują grupy zasobów:

1. Płaska lub brakująca hierarchia product_type. Wartości jednopoziomowe („Odzież") uniemożliwiają PMax zrozumienie relacji produktowych. Google zaleca do pięciu poziomów: Odzież i akcesoria > Ubrania > Odzież sportowa > Legginsy > Wysokie w talii.

2. Brak niestandardowych etykiet dla poziomów marży. custom_label_0 powinien segmentować wysoką/średnią/niską marżę. custom_label_1 może kodować sezonowość lub ryzyko magazynowe. Bez nich PMax nie może rozróżnić głównego SKU od produktu wyprzedażowego.

3. Niespójne użycie item_group_id. Jeśli sprzedajesz warianty (kolor, rozmiar), wszystkie warianty powinny dzielić item_group_id i mieć unikalne wartości id. Uszkodzone grupowanie powoduje, że PMax traktuje niebieską koszulę i czerwoną koszulę jako niezwiązane produkty, rozbijając uczenie.

4. Ogólne lub wypchane słowami kluczowymi tytuły. Tytuły takie jak „Kup premium organiczną bawełnianą koszulkę online najlepsza cena" mylą klastrowanie tematów grup zasobów. PMax używa semantyki tytułów do mapowania produktów na zasoby kreatywne. Spam słów kluczowych degraduje to mapowanie.

5. Puste lub zastępcze pola description. Opisy zasilają zrozumienie przez PMax korzyści i przypadków użycia produktu. 20-słowny ogólny opis skopiowany na 500 SKU nie daje algorytmowi niczego do różnicowania.

Feed brandu mebli miał problemy 1, 2 i 5. Wyeksportowaliśmy ich feed Merchant Center i przeprowadziliśmy szybki audyt w Pythonie:

import pandas as pd

df = pd.read_csv('product_feed.csv')

# Sprawdź głębokość product_type
df['pt_levels'] = df['product_type'].str.count('>') + 1
print(df['pt_levels'].value_counts())
# Wynik: 1.0  →  2,847 wierszy (100% jednopoziomowe)

# Sprawdź niestandardowe etykiety
print(df[['custom_label_0','custom_label_1']].isna().sum())
# Wynik: custom_label_0  2847, custom_label_1  2847 (wszystkie puste)

# Sprawdź unikalność opisów
print(df['description'].nunique(), '/', len(df))
# Wynik: 23 / 2847 (23 unikalne opisy na 2,847 SKU)

Kiedy przebudowaliśmy ich feed—dodając pięciopoziomowy product_type, wypełniając custom_label_0 przedziałami marży i przepisując opisy z kategoryzacją produktów napędzaną AI—wydajność grup zasobów PMax ustabilizowała się w ciągu dwóch tygodni. Sofy o wysokiej marży odzyskały 51% udziału w wyświetleniach, a marża wkładu odzyskała 14 punktów procentowych.

Hierarchia Product_Type, której PMax faktycznie potrzebuje (z przykładami)

Specyfikacja feedu Google dopuszcza do pięciu poziomów w product_type, rozdzielonych >. Większość platform e-commerce domyślnie używa dwóch lub trzech na podstawie kategorii sklepu, ale PMax korzysta z głębszych, świadomych marży hierarchii. Oto jak przebudowaliśmy product_type dla trzech brandów:

Meble (przed):

Salon
Sypialnia
Akcesoria

Meble (po):

Meble > Siedziska > Sofy > Narożniki > Premium
Meble > Siedziska > Krzesła > Akcentowe > Średnia półka
Meble > Wystrój > Poduszki dekoracyjne > Dekoracyjne > Budżetowe

Odzież sportowa (przed):

Legginsy odprowadzające wilgoć
Koszulki bawełniane
Szorty kompresyjne

Odzież sportowa (po):

Odzież > Damska > Doły > Legginsy > Wysokowydajne
Odzież > Damska > Góry > Koszulki > Podstawowe
Odzież > Męska > Doły > Szorty > Kompresyjne

Kosmetyki (przed):

Kremy nawilżające
Serum
Środki czyszczące

Kosmetyki (po):

Pielęgnacja skóry > Twarz > Kremy nawilżające > Anti-aging > Luksusowe
Pielęgnacja skóry > Twarz > Serum > Witamina C > Podstawowe
Pielęgnacja skóry > Twarz > Środki czyszczące > Żelowe > Wartościowe

Zauważ wzorzec: Kategoria > Płeć lub pomieszczenie > Typ produktu > Styl lub korzyść > Poziom marży. Ostatni poziom jawnie koduje priorytet strategiczny (Premium, Podstawowe, Budżetowe lub Luksusowe, Średnia półka, Wartościowe). Pozwala to tworzyć grupy zasobów według wartości czwartego poziomu i używać piątego poziomu do kontrolowania alokacji budżetu poprzez cele smart bidding.

Wypełniliśmy również custom_label_0 przedziałami marży i custom_label_1 ryzykiem magazynowym (Ponadczasowe, Sezonowe, Wyprzedaż). W połączeniu z nową hierarchią grupy zasobów PMax mogły się autosegmentować bez ręcznych wykluczeń grup ofert.

Jedna ważna uwaga: product_type to dowolny tekst, podczas gdy google_product_category musi odpowiadać taksonomii Google. Używaj product_type do segmentacji strategicznej, a google_product_category do zgodności. PMax czyta oba, ale product_type ma większą wagę dla targetowania grup zasobów, ponieważ jest unikalny dla Twojego katalogu.

Lista kontrolna audytu: 8 atrybutów feedu kontrolujących zachowanie PMax

Gdy podejrzewasz, że PMax kanibalizuje marżę, sprawdź te osiem pól feedu przed dotknięciem licytacji lub ustawień grupy zasobów. Używamy tej listy kontrolnej przy każdym onboardingu klienta:

Brand mebli miał krytyczne problemy w wierszach 1-4, średnie problemy w wierszach 5-6. Brand odzieży sportowej miał krytyczne problemy w wierszach 1 i 3, plus unikalny problem: ich item_group_id używał prefiksów SKU, które zmieniały się sezonowo, więc legginsy z wiosny 2025 i jesieni 2025 były traktowane jako niepowiązane produkty. PMax nie mógł przenieść uczenia między sezonami.

Po naprawieniu tych ośmiu atrybutów, przesłaliśmy ponownie feedy do Merchant Center i ponownie uruchomiliśmy kampanie PMax z przebudowanymi grupami zasobów. Brand kosmetyczny odnotował najszybszy zwrot—odzyskanie marży osiągnęło próg rentowności w 11 dni—ponieważ ich katalog był najmniejszy (340 SKU) i najczystszy po naprawie.

Aby uzyskać szczegółowe wytyczne dotyczące strategii niestandardowych etykiet, zobacz nasze omówienie jak brandy DTC używają niestandardowych etykiet do kontrolowania wydatków na reklamy. Ten post zawiera szablony schematów etykiet dla produktów subskrypcyjnych, zestawów i macierzy marża-ryzyko.

Struktura kampanii: kiedy oddzielić PMax od Standard Shopping

Jedno z najczęstszych pytań: Czy powinniśmy prowadzić PMax i Standard Shopping jednocześnie, czy skonsolidować w PMax? Odpowiedź zależy od dojrzałości feedu i wariancji marży.

Prowadź hybrydowo (PMax + Standard Shopping), jeśli:

• Twój katalog ma wysoką wariancję marży (np. 10-50% marży brutto na SKU). Standard Shopping z ręcznymi grupami ofert pozwala chronić główne produkty.
• Potrzebujesz szczegółowej kontroli nad ruchem brandowym vs. niebrandowym. PMax łączy Search, Shopping, Display, YouTube i Discover; Standard Shopping to tylko Shopping.
• Twój wynik audytu feedu wynosi <70/100 (nasz wewnętrzny benchmark: 8 atrybutów × 10 punktów każdy, odliczenia za brakujące/uszkodzone pola). Najpierw wyczyść feed, potem konsoliduj.

Konsoliduj w PMax, jeśli:

• Twój katalog jest jednorodny pod względem marży (np. wszystkie SKU mają marżę 35-45%). PMax będzie optymalizować pod kątem przychodu bez ryzyka marży.
• Masz wysokiej jakości zdjęcia produktów, zasoby wideo i wystarczający budżet, aby osiągnąć fazę uczenia w grupach zasobów (500+ USD/dzień na grupę).
• Twój feed ma hierarchiczny product_type, wypełnione niestandardowe etykiety i unikalne opisy. PMax potrzebuje ich do efektywnej autosegmentacji.

Opowiadamy się za podejściem fazowym. Zacznij hybrydowo, nawet jeśli Twój feed jest czysty. Alokuj 60-70% budżetu na Standard Shopping i 30-40% na PMax. Monitoruj wkład marży według kanału co tydzień. Jeśli PMax konsekwentnie dostarcza porównywalną lub lepszą efektywność marży po 30 dniach i czterech pełnych cyklach uczenia, przesuń kolejne 20pp budżetu. Jeśli marża się pogarsza, wstrzymaj PMax i zdiagnozuj problemy z feedem przed wznowieniem.

Brand mebli prowadził hybrydowo przez 60 dni po naprawie feedu. Do 45. dnia marża wkładu PMax dorównała Standard Shopping (39,2% vs. 39,8%), więc przeszli na 50/50. Do 75. dnia PMax wysunął się naprzód (41,1% vs. 38,4%), i przeszli na 70/30 na korzyść PMax. Kluczem było to, że nie konsolidowali ślepo. Walidowali zmiany feedu danymi.

Jeden błąd strukturalny, który często widzimy: prowadzenie pojedynczej kampanii PMax „wszystkie produkty". Jeśli Twój katalog obejmuje wiele branż lub poziomów marży, podziel na 2-4 grupy zasobów z nieprzekrywającymi się filtrami product_type. Na przykład brand odzieży sportowej prowadził trzy grupy zasobów:

1. Główna wysoka marża (Legginsy, Staniki sportowe, Dresy): product_type zawiera „Wysokowydajne" lub „Podstawowe", custom_label_0 = „Wysoka marża"
2. Podstawowe (Koszulki, Topy, Skarpety): product_type zawiera „Podstawowe", custom_label_0 = „Średnia marża"
3. Wyprzedaż/Sezonowe (Kolory z zeszłego sezonu, wycofane style): custom_label_1 = „Wyprzedaż"

Każda grupa zasobów miała odrębne cele ROAS (2,8×, 2,2×, 1,5×) i zestawy kreacji podkreślające różne propozycje wartości (wydajność, wszechstronność, cena). Pozwoliło to PMax optymalizować w ramach ograniczeń marży, zamiast łączyć wysokie i niskie AOV w jednej puli uczenia.

Realne liczby: odzyskanie marży po restrukturyzacji feedu

Śledziliśmy wszystkie trzy brandy przez 90 dni po naprawie feedu. Oto wzrost wkładu marży według tygodnia, zindeksowany do tygodnia zerowego (bazowa linia przed naprawą = 100):

Średni wkład marży poprawił się o 29% do tygodnia 12. Brand mebli—który miał najgorszą początkową jakość feedu—odnotował największe absolutne odzyskanie: z 61 tys. USD do 142 tys. USD miesięcznego wkładu netto przy tych samych 88 tys. USD wydatków PMax. To wahanie 81 tys. USD miesięcznie, czyli 972 tys. USD w skali roku, z samych napraw feedu.

Śledziliśmy również wydajność poza PMax, aby kontrolować czynniki zewnętrzne (sezonowość, kalendarze promocyjne). Wkład Standard Shopping i płatnych mediów społecznościowych pozostał płaski ±3pp, potwierdzając, że wzrost był specyficzny dla PMax. Mechanizm: lepsze hierarchie product_type pozwoliły PMax alokować budżet na SKU o wyższej marży, a unikalne opisy + tytuły poprawiły wyniki trafności reklam, obniżając CPC o 11-17%.

Jedna nieoczywista korzyść: LTV klienta się poprawił. Gdy PMax promuje SKU o wysokiej marży, pozyskujesz klientów poprzez lepsze produkty. Klienci pozyskani przez PMax brandu mebli mieli 18% wyższy 180-dniowy LTV niż klienci PMax sprzed naprawy, prawdopodobnie dlatego, że narożniki (wysoka marża) to przemyślane zakupy, które zakotwiczają pokój, podczas gdy poduszki (niska marża) to impulsowe dodatki. Lepszy mix produktów pierwszego zamówienia → silniejsze kohorty klientów.

Dla brandów sceptycznych wobec inwestycji w feed oferujemy darmowy audyt, który ocenia Twój feed według ośmiu krytycznych atrybutów i szacuje potencjał odzyskania marży. Początkowy wynik brandu mebli wynosił 28/100; po naprawie było to 91/100. Ta 63-punktowa poprawa odblоkowała wzrost 81 tys. USD miesięcznie.

FAQ

Powiązane artykuły

google shopping

Zakupy Zero-Click: Optymalizacja feedów pod Google Product Knowledge Panel

Google wyświetla już cenę, dostępność i specyfikację bezpośrednio w wynikach wyszukiwania dla 34% zapytań produktowych. Dowiedz się, jak optymalizować feed Shopping i znaczniki schema, aby przejąć kontrolę nad Knowledge Panel i chronić widoczność w wyszukiwaniach brandowych.

14 maj 2026·17 min

google shopping

Strategia niestandardowych etykiet: Jak 3 marki DTC osiągnęły 8-cyfrowy ROAS

Odkryj architektury niestandardowych etykiet oparte na marży-prędkości, sezonowości i LTV, które pozwoliły trzem markom DTC przekroczyć próg 50 tys. USD miesięcznie i osiągnąć 8-cyfrowy ROAS w Google Shopping.

12 maj 2026·12 min

google shopping

7 Powodów, Dla Których Twoje Reklamy Google Shopping Nie Konwertują (I Jak To Naprawić)

Twoje wyświetlenia są w porządku, ale współczynnik konwersji jest płaski. Oto 7 najczęstszych diagnoz — i 30-minutowa naprawa dla każdej — oparta na setkach audytów e-commerce.

8 maj 2026·6 min